EVA NSFW-классификатор
четыре уровня вместо бинарного флага
1 min readupdated
Это vision transformer на архитектуре EVA, дообученный для классификации изображений по четырём уровням: neutral, low, medium, high. Модель на ~90 млн параметров обучена на 100 000 синтетически размеченных картинок и может работать как бинарный фильтр или выдавать вероятности по всем классам. Подходит для модерации и фильтрации визуального контента.
Ключевые особенности
- Четыре класса вместо «NSFW/не NSFW»: neutral, low, medium, high.
- Обучение на 100 000 синтетически размеченных изображениях.
- По внутренним бенчмаркам обходит Falconsai/nsfw_image_detection и AdamCodd/vit-base-nsfw-detector.
- В BF16 на RTX 3090: около 10 мс на изображение при batch 1 и подаче torch tensor.
- Есть готовый pip-пакет и вариант через transformers pipeline; для продакшена советуют torch tensors.
Пример
from transformers import pipeline
from PIL import Image
classifier = pipeline('image-classification', model='Freepik/nsfw_image_detector', device=0)
image = Image.open('path/to/image.jpg')
print(classifier(image))
Подробнее
Глобальная точность: high — 99.54%, medium — 97.02%, low — 98.31%, neutral — 99.87%.На RTX 3090 в BF16: batch 1 — около 10 мс и 540 МБ VRAM при подаче torch tensor; batch 16 — около 102 мс и 1144 МБ.
Для продакшена не рекомендуют pipeline: быстрее и удобнее torch tensors; модель обучена в BF16.
Порог low/medium/high стоит подбирать под задачу: на пограничных уровнях возможны ошибки.










Comments